您的位置:首页 > 博客

10页PPT,深度解析下一个10年的挑战与机遇

时间:2019-08-22
?

以人工智能为中心的技术是新兴工业革命的基础。

作为着名的经济学家,徐成刚教授将从更加雄心勃勃的制度经济学角度分析人工智能产业革命的背景和关键要素。本文部分数据由徐成刚教授选为首席研究员《中国人工智能指数报告》。

在这里,享受自己。

一、第四次产业革命

目前,许多人都有这样的共识:我们正在经历一场刚刚开始的工业革命,这场工业革命的核心是人工智能。

在这里,我们需要解释工业革命的重要性。我们习惯性地将世界各国分为发达国家和发展中国家。这种差距只是在工业革命之后。在工业革命之前,各国之间差别不大。

第一次起源于英国的工业革命是基于人工动力,即蒸汽机的发明。

第二次工业革命起源于美国和美国,核心内容是电力的发明。

第三次工业革命起源于美国和美国,其核心内容是计算机的发明。

第四次工业革命正在崛起,与第三次工业革命有许多相似之处。

首先,第四次工业革命的核心技术是人工智能。在此之前,该技术已经在很大程度上得到了发展。就像第三次工业革命一样,计算机作为核心技术的基本原理是在20世纪40年代形成的,但后来产生了对社会的影响。

其次,工业革命初期存在巨大的不确定性。没有人知道新技术会对社会产生什么样的影响,没有人知道他们需要连接什么样的设备。

我故意强调这个内容,因为现在发生的事情非常类似于此。

件。

今天,政府非常重视人工智能。世界上至少有18个国家制定了人工智能发展战略和行动计划。

今年2月,美国总统特朗普发布了一项行政命令,其中包括大规模动员联邦政府提供人工智能资金。

俄罗斯总统弗拉基米尔普京非常傲慢。他说人工智能不仅适用于俄罗斯,也适用于世界的未来。该领域的领导者将主宰世界。

1创新过程

那么,什么样的制度可以促进科学研究的发展?让我们来看看爱因斯坦的观点。

你为什么要提爱因斯坦?因为爱因斯坦在100多年前的突破奠定了当今世界的基础,我们生活在爱因斯坦的世界。

他说如果我们早就了解我们正在做的工作,我们的工作就不能称之为研究。这句话非常深刻。

没有人可以计划他所做的工作,因为没有人能提前知道该做什么以及世界应该是什么样子。所有的突破都是在这个过程中探索的,而不是提前探索的。

他还说,想象力是最高形式的研究。

想象力不是别人可以告诉你的东西,而是你想象的东西。科学家和科学家之间的差距在想象中。

当我们谈论系统时,管理系统是自上而下的,核心内容是如何提供激励,即奖励和惩罚。

爱因斯坦认为,那些做这样研究的人只有努力工作才能努力工作,因为害怕受到惩罚和贪婪,他们就变成了一群无望的人。

2激励机制

当我们谈论创新时,系统的核心问题是激励机制。

创新的第一个问题是:在一个社会中,你怎么知道谁是可以创新的人?第二个问题是:是什么推动了他的创新?

事实上,这项革命性的,具有突破性的发明背后的原始驱动力是好奇心,而不是它的用处。为了有用,我想不出革命性的东西。

历史上的那些科学家,与电法相关的法拉第,赫兹,与计算机相关的图灵,以及与人工智能相关的麦卡锡,包括那些发现量子力学,固体物理学,半导体,DNA,RNA和人类遗传图谱的人。他们的驱动力是好奇心,都来自探索世界的愿望。

接下来,需要进行后续研究和应用研究,这需要外部激励的支持。

在最初的突破阶段,好奇心本身就是最强烈的激励机制,但在后续和应用阶段,内心的满足感会更弱,而外在的名气和财富刺激是非常重要的。例如,各种奖项包括论文,奖金等。

在实际的最后阶段,必须有巨大的外部刺激,即直接获得市场商业利益的激励。

当我们谈论产权时,我们谈的是市场机制。个人财产权决定资源的分配方式。

该系统指的是,在这个社会经济中,拥有资源并决定资源分配的人直接决定了这个集体中是否存在创新自由以及是否存在创新动机。

简而言之,科学技术的重大突破基本上不是来自规划,而是来自无数的自由探索。这里非常重要的是两个关键词,第一个是自由,第二个是无数,两个是不可或缺的。

系统需要保证无数的免费讨论。由于不确定性,没有人知道谁能制造它,所以需要大量的探索。最终的结果必然是劣势的生存,大部分的探索都会失败,而有些则会获胜。

工业革命是一个创造性的破坏过程

熊彼得在20世纪40年代提出了“创造性破坏过程”的概念。

首先,在已经出现的革命性变革背后,最重要的是为发明者和企业家提供激励。

在市场体系下,核心是知识产权。产权包括两大部分,一是有形资产的产权;另一种是知识产权,即无形资产。

创新越重要,保护知识产权就越重要。你可以想象,当一个社会盗窃和知识产权侵权盛行时,就会严重破坏创新的激励机制。

因此,在一个社会中,有很多人,很多组织都愿意从事重大,艰巨,冒险的创新工作,直接关系到知识产权的保护。

在保护知识产权方面,它与一个非常基本的概念,即垄断是分不开的。

什么是专利?专利是指在特定时期内的垄断权。这是合法且必要的。

第二个基本要素是适者生存在市场中。

只有在适者生存的过程中,才有可能进行大规模的筛选,筛选出不符合市场需求的东西,突出优秀的东西。

这就是为什么创新具有高度不确定性的原因,而您所创造的东西可以在市场上取得成功,这在事先是不可预测的。

第三个基本要素是保护私人投资。

为什么私人投资如此重要?

私人投资在市场上运作,其灵活性与市场判断有关。没有私人投资,大量的个人发明很难获得资金。

保护私人投资本身就是保护个人发明。

因此,为什么工业革命被称为“创造性破坏过程”,指的是适者生存的过程。优胜劣汰的劣势在历史上特别好,只因为新事物已经到来,取而代之,并消除了它。

当我们看到新事物出现时,许多人会想到他们以后会如何出现。事实上,如果你追随他人,你永远不会超越他人。只有当你发明别人没有的东西时,你才能超越它。

3.深入而广泛的人工智能应用革命

我们继续讨论人工智能。从下图可以看出,人工智能是一个很大的概念。机器学习是人工智能的一个概念。深度学习是机器学习的一个概念。

%5C

举一个自动驾驶的例子。

人工智能必须依靠放置在汽车中的大量传感器来感知外部情况。在感知过程中,生成大量数据。该数据由深度神经网络(人工神经网络)读取,然后计算以确定速度。在哪个方向上,所谓的自动驾驶就是指这一点。

件下处理汽车与汽车之间的协调。

传感器收集所有相关信息,并且需要立即处理信息。此时,问题来了,目前的传输系统无法立即处理。

为什么5G很重要? 5G解决了这个问题。

如果所有车辆都在5G环境中行驶,则可以实时传输传感器上的信息,然后需要人工智能的处理,计算等。

件。如果没有5G,则无法保证数据将实时传送,或者可以使用人工智能实时计算。

另一个例子是阿里,其中阿里的年度单身日交易是世界上最大的交易,这是阿里创造的世界纪录。它是怎么做到的?它依赖于人工智能。

阿里邀请了来自美国的一流人工智能教授领导由500人团队设计的人工智能,以确保高速处理如此多的单笔交易,从而使每年的单身日变得如此之大。

此外,Ant Financial可以快速利用网络提供贷款,依靠人工智能。

二、中美人工智能指数

让我们共享《中国人工智能指数报告》的数据。

《中国人工智能指数报告》我曾与武汉大学大数据与云计算实验室主任崔晓辉教授一起工作。我希望能帮助您更好地了解中国和美国人工智能的发展。

在学术领域,中国的学术论文激增,但数以千计的期刊论文被引用不如美国。

在学术会议参与方面,中美学者参加学术会议的人数不断增加,美国每年都高于中国。

%5C

▲图1:中美人工智能期刊论文年度出版量比较

从1995年到现在,虽然美国在人工智能领域发表的论文总数已超过中国,但中国的增长速度更快。

%5C

▲图2:参加所有人工智能会议的中美学者总数

人工智能的快速发展使得许多学者首先在学术会议上(甚至在学术会议上)发表他们的短期研究成果,然后进入实际工作。

学术会议的惯例是申请人的论文在有资格参加之前被会议学术委员会或组织者接受。因此,参与者的数量通常可以被视为发表的会议论文数量。

%5C

▲图3:中美人工智能期刊论文引用总数

为了进一步比较两国学者发表论文的质量,报告将论文的引用次数分为六个级别进行分析,分为1000个等级(1000以上)和100个等级(500个) 999)。数百个级别(参考文献100-499),10个(参考文献10-99),等级(参考文献1-9)和零(参考文献0)参考文章。

统计数量是每篇论文在2018年10月结束时的引用总数。

以千和零水平的极端水平为例:

%5C

▲图4:中美千家级期刊引文总数的比较分析

对于具有高级别影响力的千篇论文(意味着每篇论文被引用超过1000次),中国和美国存在巨大差距。中国只有少数论文具有很大影响力,而在美国则有更多论文。一些。

%5C

▲图5:中美期刊发表论文总数的比较分析

这些部分已经发表,这些论文从未被任何人引用过。

自2011年以来,中国已大幅超越美国,并且已经超过了很多。这很有趣。

为什么许多中文论文从未引用过?这有两个原因:

首先,这些论文中讨论的问题适用范围较窄,人们感兴趣的人较少。

第二,中国的激励机制。中国的科研系统是计算研究人员在国际期刊上发表过多少篇文章。对于职称的评价,学者被迫制作文章,但他们没有注意文章的影响和价值贡献。

2.人才分布,AI人才中国是一个精英模式,而美国是一个大规模的。

人才因素决定了一个国家人工智能的长期竞争力。美国有比中国更多的人工智能工程师。

%5C

▲图6:基于五种不同就业时间的中美人才分布比较

据LinkedIn数据库显示,中国的人才总数为50,000人,而美国的人才总数为83万人。美国人工智能人才总数是中国的16.5倍。

如果中国人工智能领域的所有员工(按英里数收集)按照他们工作的年数进行划分,可以看出中国人工智能领域不到39%的人工作更多相比之下,超过10年。在美国,超过71%的人工智能领域的人已经工作了10多年。

在中国,人工智能是一个年轻的行业,尽管在美国这个领域还很年轻,但大多数人并不年轻,并且拥有丰富的经验。

%5C

▲图7:基于子领域的两国AI人才分布比例

在人才分布方面,中国对智能交通/自动驾驶,智能/精准营销,硬件/GPU /智能芯片的需求比美国更多,但在算法和机器学习方面,美国不仅拥有更大的比例人才比中国人才多,也是人才总数。它也是中国的20多倍。

3.在工业部门,人工智能创业公司的数量少于美国。

从工业部门的角度来看,中国积极的人工智能创业公司将在2012年之前超过美国,但2012年之后,美国超过中国,增长率大幅增长,而中国在2015年后开始下滑。/p>

%5C

▲图8:中国和美国人工智能领域创业公司数量的比较

据了解,美国私营部门正在努力开发人工智能技术。与美国人工智能相关的公司数量远远超过中国。

美国的投资似乎非常强劲。例如,位于美国的公司,如谷歌公司,苹果公司,Facebook,国际商业机器公司(小发猫),微软和亚马逊,总研发支出为540亿美元。大部分费用都用于人工智能研究领域。

在过去的二十年中,中国积极的人工智能创业公司呈现出快速发展的趋势。 2016年,超过400家公司达到了顶峰。

2012年之前,中国的活跃人工智能初创公司数量超过美国,但2012年后超过了美国。

特别是在2016年之后,美国的人工智能初创公司数量迅速增长,2018年超过600家,而中国在2016年后有所下降,2018年降至200以下。

4.开源软件包的使用和开发,中国研究人员使用的93%的开源软件包都是在美国开发的。

在过去三年中,中国一直关注人工智能开源软件包数量的快速增长,并在2017年秋季超过美国。

%5C

▲图9:中国和美国人工智能研究人员的AI包关注总比较数

然而,中国研究人员使用的人工智能开源软件包中有近93%是由美国的机构发展提供的。中国和美国人工智能研究人员使用最广泛的软件包是由谷歌开发的TensorFlow。

2018年初,中美研究人员密切关注近9,000人和约7,000人。

总体而言,中美人工智能研究人员关注美国机构开发的开源人工智能软件包的数量,相当于中国机构开放软件包数量的20倍。

这表明中国研究人员在基本算法方面依赖于美国开源软件包。

5.公众认知和媒体报道中国公众对人工智能的看法高于美国。

从公众认知和媒体报道的角度来看,中国和美国对人工智能的积极情绪高于负面情绪,而中国积极情绪的比例相对较高。

%5C

▲图10:中国和世界(英语国家)人工智能文章的正面和负面比例

《中国人工智能指数报告》收集的媒体大数据显示,2014年之前,中国媒体对人工智能的正面报道略多于负面报道。从那时起,负面报道持续下降,积极报告逐年增加,负面报道不堪重负。

相比之下,全球英语世界的大多数报告都是中性的,没有正面或负面的观点。

2013年至2015年间,正面和负面报告之间的差距急剧缩小。 2016年之后,积极报告显着增加,而负面报告没有显着变化。

这一趋势与2016年后美国人工智能投资初创公司的快速增长密切相关。

总之,在深度学习的应用中,如果我们只看规模,中国和美国都非常接近某些地方甚至更多。

然而,就人工智能的许多基本算法,芯片,传感器等而言,中国落后于世界上大多数发达国家。除美国外,还有英国,德国,日本和以色列等国家。

美国AI行业的布局非常完整。涉及基础层,技术层和应用层,特别是在算法,芯片和数据的核心领域,积累了强大的技术创新优势。各级企业数量领先中国。相比之下,中国在基本组成部分和基本过程方面存在很大差距。

三、人工智能:巨大的机遇和挑战

人工智能的发展,无论是速度,广度还是深度,都是革命性的。

例如,真实的人不提供金融监管,会计,在线客户服务和许多其他服务。电子商务的快速交易以及在线金融的相关领域基本上都是由人工智能支持的。

我主要指的是高科技领域,金融领域和零售领域,因为在这三个领域,人工智能背后的人工支持。

许多领域将因此而发生深刻变化。

从技术角度总结这一发展,我想强调一点:目前,人工智能或深度学习应用的核心是它是否可以应用于你所处的场景中,你有能力识别它,有能力实施它,深度学习的核心部分是你快速并形成规模,你的边际成本几乎为零。

你是否可以早点去,是因为你有能力识别你的场景。如何识别可以应用深度学习的场景?依靠你和人工智能专家。

最后,当我们比较时,我们看到了人工智能的整体状态,这里我们应该注意三个方面:

1.新算法

新算法必须有一个重大突破,这将打破熟悉的机器学习,深度学习,并打开广泛的应用程序。

这里非常重要的部分是如何将算法与物联网连接并自己解决数据收集问题。这是它的重要组成部分。

2.量子计算

这是一个全新的领域,与人们已经知道的计算机几乎没有关系。这取决于物理科学和量子力学的基础研究。

3.传感器

顾名思义,物联网在每件事物上都有传感器。传感器的研究依赖于物理,化学和生命科学等基础学科。当你想发明它时,这不是你可以发明的东西。这是无数人的想象力。

这是今天共享的主要内容,谢谢大家。

日期归档
  • 友情链接:
  • 888真人国际平台 | 御匾会线上棋牌 | fg电子游戏平台 | pt电子游戏pt电子游艺 | 申搏官网下载 | 巴黎人充值

    乐博现金网 版权所有© www.huszw406zp60ra8yczo.com 技术支持:乐博现金网| 网站地图